UNIVERSIDADE DE SÃO PAULO
ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA ELÉTRICA
Metodologia de estimação de idade óssea baseada em
características métricas utilizando mineradores de dados e
classificador neural.
EVANDRA MARIA RAYMUNDO
Orientador: Prof. Dr. Evandro Luís Linhari Rodrigues
São Carlos 2009
UNIVERSIDADE DE SÃO PAULO
ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA ELÉTRICA
Metodologia de estimação de idade óssea baseada em
características métricas utilizando mineradores de dados e
classificador neural.
EVANDRA MARIA RAYMUNDO
Dissertação apresentada à Escola de Engenharia de São Carlos, da Universidade de São Paulo, como requisito para obtenção do Título de Mestre em Engenharia Elétrica.
Orientador: Prof. Dr. Evandro Luís Linhari Rodrigues
São Carlos 2009
Busquei ao SENHOR, e ele me respondeu; livrou-me de todos os meus temores.(Sl. 34,4)
Às mulheres de minha vida, minha mãe Wilma que me ensinou a sonhar e me deu forças para que esse sonho se concretizasse, à minha irmã Eliane que esteve presente em todos os momentos da concretização desse sonho. Aos meus tios Waldomiro minha tia Maria Inês, que foram os alicerces desse sonho, ajudaram em etapas importantes e hoje vencem comigo. A toda Família Ferreira Salles pela força e pela presença em todos os momentos. A cada um dos que cruzaram meu caminho e com sorriso ou palavra de apoio me ajudaram a chegar até aqui.
Agradecimentos
Agradeço primeiramente a Deus por ter chegado aqui realizando este trabalho, pela inspiração nos momentos de dúvida e pela coragem nas horas difíceis. Por todas as vezes que Ele me carregou no colo, quando as forças me faltaram. Por todas as “mãos” que ele me fez entender e compreender, por ter me dado o dom de AMAR esse trabalho. À minha mãe pela ajuda financeira e por toda ajuda incondicional e incentivo que me deu, à minha irmã pela ajuda incondicional em todos os momentos.
A toda a minha família pelo incentivo para a realização do meu mestrado por que se tornaram alicerces do meu sonho que hoje está construído
A meu orientador e xará, Prof. Dr. Evandro Luís Linhari Rodrigues pela confiança em meu trabalho, por ter acreditado que daria certo e por me orientar.
À banca examinadora pelas dicas e correções desse trabalho.
À Universidade de São Paulo por colocar à minha disposição computadores e todo material necessário para a realização deste trabalho.
Ao Prof. Dr. Marcelo Andrade Vieira e ao Prof. Dr. Ivan Nunes da Silva, pelo auxílio em várias fases deste trabalho.
A Prof.Dra. Marilde Terezinha Prado Santos e a seu aluno e meu amigo Rodrigo Bella, por toda colaboração, para a realização deste trabalho.
Aos meus amigos de Laboratório Ednilson, por toda ajuda na elaboração do banco de métricas, pela paciência e dedicação em ajudar no sucesso do meu trabalho, ao Celso Olivete Júnior que me forneceu toda base de conhecimento para realização deste trabalho, e por toda a ajuda prestada para a sua finalização. Ao André Delorme, pelas dicas, Frank, Rodrigo e Eduardo Llappa que mesmo de longe torceram pelo meu sucesso.
Aos meus amigos do Laboratório de Visão Computacional (LAVI), Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas (LAPIMO), Laboratório de Análise Computacional em Sistemas Elétricos de Potência (LACO), Laboratório de Automação Inteligente de Processos e Sistemas (LAIPS) pelo companheirismo durante período em que estava cursando as disciplinas, por toda ajuda e pelas horas descontraídas que passamos.
Quero agradecer principalmente aos amigos que fiz durante todo esse período e que foram de grande importância, Claúdia e Augusto, Antonio Louro, Gustavo, Ricardo Casado, Michele, Juliana e Eduardo que ajudaram em tudo. Leandro Sebastian, pelo grupo de estudo e por tudo que compartilhamos.
Agradeço especialmente a Luciana de Toro e ao Cristiano Minotti, estiveram presentes em momentos cruciais, tornaram-se meus grandes amigos.
Agradeço ao Paulo Fonseca Filho e Paulo Cereda, pela idéia e ajuda fundamental na criação do banco de imagens. Fábio por todas as caronas e pela ajuda nos trabalhos.
À amiga Elaine, pela paciência e generosidade.
À Ivani Albers, uma querida amiga e minha paciente mestra de inglês.
Aos todos os amigos do trabalho que torceram a cada instante para que esse dia chegasse, Alecsandro, Casagrande, Daniela, Edvaldo, João Paes, José Carlos, Patrícia, Stevanatto,Wagner, in memória ao querido Néris que tanto quis estar aqui e assistir esse momento.
Sou grata aos funcionários que se tornaram meus amigos do Departamento de Engenharia Elétrica da EESC - USP, José, Jussara, Marisa, Rosane, Pedro e aos professores da pós-graduação, principalmente ao Prof. Dr. Adilson Gonzaga, que foi a primeira pessoa a possibilitar a realização desse sonho.
Às faxineiras que sempre foram compreensivas pelo cuidado conosco e principalmente, preocupação com nosso ambiente de trabalho.
Ao Prof. MSc. Gilmar Cação, que acreditou em mim e me forneceu bases para realizar melhor esse trabalho.
Agradeço a cada um que diariamente fez parte desse sonho concretizado, desta etapa vencida.
Agradeço ao CNPq por todo apoio financeiro.
“Mãos que se fizeram amigas, companheiras de todas as horas, plantaram conhecimento, semearam entre lágrimas e muitos risos, transformando convivência em sentimento saboreiam hoje a glória da vitória.
Os olhos do SENHOR estão sobre os justos, e os seus ouvidos atentos ao seu clamor.(Sl. 34, 4.15.)
Oferecer-te-ei sacrifícios de louvor, e invocarei o nome do SENHOR. Pagarei os meus votos ao SENHOR, na presença de todo o seu povo, Nos átrios da casa do SENHOR, no meio de ti, ó Jerusalém. Louvai ao SENHOR. (Sl. 116, 17-19)
O SENHOR guardará a tua entrada e a tua saída, desde agora e para sempre.(Sl. 121,8)
Resumo.
RAYMUNDO, E. M., Metodologia de estimação de idade óssea baseada em características métricas utilizando mineradores de dados e classificador neural. Dissertação de Mestrado - Escola de Engenharia de São Carlos Universidade de São Carlos, 2009.
Este trabalho apresenta uma proposta de metodologia de estimação de idade óssea baseada em características métricas, utilizando o banco de imagens carpais da Escola de Engenharia de São Carlos (EESC). As imagens foram devidamente segmentadas para obtenção da área, perímetro e comprimento de cada osso, gerando, assim, um banco de dados métricos o CarpEven. As informações da base métrica CarpEven foram submetidas a dois mineradores de dados: ao StARMiner, (Statistical Association Rules) uma metodologia de mineração de dados criada por um grupo de pesquisadores do ICMC-USP, e ao Weka (Waikato Environment for Knowledge Analysis), desenvolvido pela Universidade Waikato da Nova Zelândia. As informações foram submetidas a classificadores neurais, contribuindo, assim, para a criação de uma nova metodologia de estimação de idade óssea. Finalmente, é feita uma comparação entre os resultados obtidos e os resultados já alcançados por outras pesquisas.
Palavras-chave: Mineração de dados, estimação de idade óssea, imagem carpal, segmentação de imagens, classificadores neurais.
Abstract
RAYMUNDO, E. M., Methodology for bone age estimation based on metric characteristics using data mining and neural classifier. Mater Degree - School of Engenier de São Carlos University of San Carlos, 2009.
This work presents a methodology for bone age estimation based on metric characteristics using the carpal images database from Engineering School of São Carlos (EESC-USP). The images were properly segmented to obtain the area, perimeter and length of each bone, thus generating a metric database named CarpEven. The database information were submitted to two data miners: the StarMiner (Statistical Association Rules Miner) a methodology for data mining created by a group of researchers from ICMC-USP, and the Weka (Waikato Environment for Knowledge Analysis), developed by the University of Waikato in New Zealand. The information was submitted to the neural classifiers contributing to the creation of a new methodology for bone age estimation. The results are compared with those obtained by others research.
Lista de Figuras.
Figura 1 – Estrutura de um osso longo. Fonte: Avancini & Favaretto (1997). ... 6
Figura 2- Esquema anatômico dos ossos cárpicos e da mão. Fonte: Tavano (2001). ... 8
Figura 3 - Centros de ossificação da mão e punho. Fonte: Greulich & Pyle (1992). ... 11
Figura 4 - Estágios de desenvolvimento do centro de ossificação da falange distal. Fonte: .... 12
Figura 5 - Índice de Eklof & Ringertz, centros de ossificação utilizados. Fonte: ... 13
Figura 6 – (a) Marcações estimadas dos centros de ossificação. (b): localização ... 15
Figura 7 - Etapas a serem desenvolvidas do algoritmo de classificação da idade óssea. ... 17
Figura 8 - Presença da sequência Fibonacci entre as falanges e metacarpo. Fonte: ... 20
Figura 9 - Radiografia carpal ilustrando o efeito Heel. Fonte: Tavano (2001). ... 23
Figura 10 - Fluxograma da metodologia aplicada. Fonte: Raymundo et al. (2007). ... 24
Figura 11 – Resultados: a) imagem original, b) imagem otimizada, c) imagem após realce ... 26
Figura 12 - Resultados de acordo com Land & Mccann (1971) (a) imagem original, (b) ... 28
Figura 13 - Imagem das falanges e metacarpos segmentados, mão feminina. Fonte: ... 33
Figura 14 - Imagem das falanges e metacárpos com o traçado de comprimento, mão ... 33
Figura 15 - Nomenclatura de atributos da base de métricas “CarpEven”, Fonte: ... 34
Figura 16- Etapas do processo de extração de conhecimento de dados. Fonte: Fayyad et al. . 37
Figura 17- Visão hierárquica do processo de KDD. Fonte: Souza &Rocha (2005). ... 38
Figura 18– Papel das atividades preditiva e descritiva na mineração de dados. Fonte: Garcia 39 Figura 19 – Ilustração das regiões de rejeição para teste de uma hipótese. Fonte: Ribeiro ... 45
Figura 20 - Neurônio Como Unidade Limiar. Fonte: Fernandes & Portugal (1995). ... 50
Figura 21 – Exemplos de função de ativação. Fonte: Fernandes & Portugal (1995). ... 51
Figura 22 – Representação das camadas de uma rede neural artificial. Fonte: Ortega (2002). 53 Figura 23 – Diagrama esquemático da rede Perceptron. Fonte: Goedtel (2007). ... 55
Figura 24 – Centros ósseos utilizados para compor o conjunto de métricas selecionadas para cada faixa etária da Base Fem, utilizando algoritmos CSF, RepTree e M5P, destacados em cores - métrica Área. ... 73
Figura 25 – Centros ósseos utilizados para compor o conjunto de métricas selecionadas para cada faixa etária da Base Masc, utilizando algoritmos CSF, RepTree e M5P, destacados em cores - métrica Área. ... 74
Figura 26 - Desenvolvimento médio dos centros ósseos selecionados com a métrica Área para (a) Base Fem e (b) Base Masc. ... 76 Figura 27 - Desenvolvimento médio dos centros ósseos selecionados com a métrica Perímetro para (a) Base Fem e (b) Base Masc. ... 77 Figura 28 - Desenvolvimento médio dos centros ósseos selecionados com a métrica Comprimento para (a) Base Fem e (b) Base Masc. ... 78 Figura 29 – Gráfico taxa média de concordância dos algoritmos com a média dos laudos nos
testes de validação (LM/rB) Base Geral. ... 81 Figura 30 – Gráfico taxa de concordância com a média dos laudos (Área Weka) para cada
faixa etária Base Geral. ... 82 Figura 31 - Gráfico taxa de concordância com a média dos laudos (Área StARminer) para cada faixa etária Base Geral. ... 83 Figura 32 - Gráfico taxa de concordância com a média dos laudos (Área Weka) para cada faixa etária Base Fem. ... 84 Figura 33 - Taxa de concordância com a média dos laudos para cada faixa etária, utilizando
centros ósseos selecionados para 6 anos (Base Masc - Área) ... 86 Figura 34 - Taxa de concordância com a média dos laudos para cada faixa etária, quando
aplicadas aos centros ósseos mais vezes selecionados (Base Fem – Área). ... 87 Figura 35 – Taxa de concordância com a média dos laudos para cada faixa etária, quando aplicadas aos centros ósseos mais vezes selecionados (Base Masc – Área). ... 88 Figura 36 – Centros ósseos utilizados para compor o conjunto da Análise I. ... 90 Figura 37 - Taxa de concordância com a média dos laudos para cada faixa etária, quando aplicadas aos centros ósseos utilizados na Análise I (Base Fem)... 93 Figura 38 - Taxa de concordância com a média dos laudos para cada faixa etária, quando aplicadas aos centros ósseos utilizados na Análise I (Base Masc). ... 94 Figura 39 - Centros ósseos utilizados para compor o conjunto da Análise II. ... 95 Figura 40 - Taxa de concordância com a média dos laudos para cada faixa etária, metacarpo do dedo indicador (mind) e as falanges distais dos dedos polegar e médio (fdpol e fdmed) - Análise II (Base Fem). ... 97 Figura 41 - Taxa de concordância com a média dos laudos para cada faixa etária, metacarpo do dedo indicador (mind) e as falanges distais dos dedos polegar e médio (fdpol e fdmed) - Análise II (Base Masc). ... 98 Figura 42 - Artigos e periódicos utilizados na pesquisa de acordo com ano de publicação. . 103
Lista de Tabelas.
Tabela 1 - Valores críticos de Z em relação aos valores de min. Fonte: Ribeiro (2008). ... 45
Tabela 2 – Padrão de entrada dos limiares no algoritmo StARminer e padrão estabelecido para ... 62 Tabela 3 – Atributos selecionados pelo software Weka; em destaque, os atributos utilizados 67 Tabela 4 – Conjunto final de atributos de cada uma das amostras, de acordo com Weka; em destaque, os atributos utilizados pela metodologia de Olivete Jr.(2005a)... 68 Tabela 5 – Atributos selecionados com algoritmo StARminer; em destaque, os atributos utilizados pela metodologia de Olivete Jr. (2005a). ... 68 Tabela 6 - Atributos da Base Geral selecionados com os algoritmos do Weka para Área; em destaque, os atributos utilizados pela metodologia de Olivete Jr.(2005a)... 69 Tabela 7 - Atributos da Base Geral selecionados com os algoritmos do Weka para Área e Perímetro; em destaque, os atributos utilizados pela metodologia de Olivete Jr.(2005a). ... 70 Tabela 8 – Resultado da aplicação do teste T-Student, para os atributos encontrados com algoritmo RepTree para todas as faixas etárias. ... 71 Tabela 9 - Atributos da Base Geral selecionados com o algoritmo StARminer e parâmetros utilizados na seleção para Área; em destaque, os atributos utilizados pela metodologia de Olivete Jr. (2005a). ... 71 Tabela 10 – Atributos selecionados para Base Fem para faixa etária de 6 anos métrica-Área; em destaque, os atributos utilizados pela metodologia de Olivete Jr.(2005a). ... 72 Tabela 11 - Atributos selecionados para Base Masc para faixa etária de 6 anos - métrica Área; não foram selecionados atributos utilizados pela metodologia de Olivete Jr.(2005a). .... 72 Tabela 12 - Parâmetros utilizados nas redes neurais com os algoritmos Levenberg-Marquardt e resilient-Backpropagation. ... 80 Tabela 13 - Resultado da aplicação do teste T-Student, para os resultados obtidos com a rede neural LM para todas as faixas etárias (Base Geral). ... 81 Tabela 14 – Resultado da aplicação do teste T-Student, para os centros ósseos encontrados com algoritmo CSF para todas as faixas etárias Base Geral. ... 83 Tabela 15 - Resultado da aplicação do teste T-Student, para os centros ósseos encontrados com algoritmo StARminer para todas as faixas etárias Base Geral. ... 84
Tabela 16 - Resultado da aplicação do teste T-Student, para os centros osseos encontrados com algoritmo (Weka –CSF) para todas as faixas etárias Base Fem... 85 Tabela 17 - Resultado da aplicação do teste T-Student, para os centros ósseos encontrados com algoritmo (StARminer) para todas as faixas etárias Base Fem. ... 85 Tabela 18 - Resultado da aplicação do teste T-Student, para os centros ósseos encontrados para a faixa etária de 6 anos com (Weka –CSF) para todas as faixas etárias Base Masc. 86 Tabela 19 – Centros ósseos mais vezes selecionados em todas as faixas etárias para Base Fem.
... 87 Tabela 20 – Centros ósseos mais vezes selecionados em todas as faixas etárias para Base Masc. ... 87 Tabela 21 – Resultado da aplicação do teste T-Student, para os centros ósseos mais vezes selecionados com algoritmo (Weka ) para todas as faixas etárias Base Fem. ... 88 Tabela 22 - Resultado da aplicação do teste T-Student, para os centros ósseos mais vezes selecionados com algoritmo (Weka ) para todas as faixas etárias Base Masc. ... 89 Tabela 23 – Valores dimensionais (pixels) 2 para cada idade óssea (Base Fem) – Análise I, conforme equação 11. ... 92 Tabela 24 – Resultado da aplicação do teste T-Student, para os centros ósseos utilizados na Análise I para todas as faixas etárias Base Fem. ... 93 Tabela 25 - Resultado da aplicação do teste T-Student, para os centros ósseos utilizados na Análise I para todas as faixas etárias Base Masc... 94 Tabela 26 - Valores dimensionais (pixels) para cada centro óssseo (Base Masc) – Análise II.
... 96 Tabela 27 - Resultado da aplicação do teste T-Student, para os centros ósseos utilizados na Análise II para todas as faixas etárias Base Fem. ... 97 Tabela 28 - Resultado da aplicação do teste T-Student, para os centros ósseos utilizados na Análise II para todas as faixas etárias Base Masc. ... 98
Lista de Abreviaturas.
Anacarp - Estimador da Idade Óssea via Análise Carpal.
ANSI – American National Standards Institute.
ARFF - Attribute Relationship File Format.
CBIR - Content-based Image Retrieval.
CFS – Correlation-based Feature Selection.
EESC – Escola de Engenharia de São Carlos.
E&R - designação para metodologia criada por Eklof e Ringertz.
G&P – designação para metodologia criada por Greulich e Pyle.
JDBC – Java data base connectivity.
KDD – Knowledge discovery in database.
LVQ- Learning Vector Quantization.
Mipav – Medical image processing analysis and visualization.
PMC - Perceptron Multicamadas
ODBC – Open data base connectivity.
RUS – Radio, Ulna e Short Bones.
SGBD – Sistema de gerenciamento de banco de dados.
SQL - Structured query language.
SSR – Single-scale retinex.
StARMiner – Statistical association rules.
TW - designação para metodologia criada por Tanner e Whitehouse.
TW2 – designação para segunda metodologia criada por Tanner e Whitehouse.
Sumário.
Resumo. ... i
Abstract ... ii
Lista de Figuras. ... iii
Lista de Tabelas. ... v
Lista de Abreviaturas. ... vii
Sumário. ... ix
1 Introdução. ... 1
1.1 Objetivo da pesquisa. ... 2
1.2 Relevância da pesquisa ... 2
1.3 Estrutura de apresentação do trabalho ... 3
2 Estimação de idade óssea. ... 5
2.1 A estimação de idade óssea - formulação do problema de pesquisa. ... 5
2.2 A organização dos ossos da mão. ... 8
2.3 Métodos clássicos de avaliação da idade óssea. ... 10
2.3.1 GREULICH & PYLE. ... 10
2.3.2 TANNER & WHITEHOUSE. ... 12
2.3.3 EKLOF & RINGERTZ. ... 13
2.3.4 Estimativa de idade óssea através da análise carpal baseada na simplificação do método de Eklof & Ringertz. ... 14
2.3.5 Metodologia de extração automática de características da mão para a estimação da idade óssea utilizando redes neurais artificiais no processo de decisão. ... 16
2.3.6 Novas metodologias automáticas para estimativa da idade óssea, baseadas no processamento de imagens radiográficas da mão. ... 18
2.4 Considerações a respeito da idade óssea. ... 20
3 Considerações sobre as imagens de raio X. ... 22
3.1 O pré-processamento como ferramenta para gerar informação. ... 23
3.1.1 Metodologia adaptativa de processamento de imagem radiográfica carpal com realce de bordas. ... 24
3.1.2 Metodologia de pré-processamento utilizando o algoritmo retinex em imagens
radiográficas carpais. ... 26
3.2 Avaliação do processo de pré-processamento. ... 28
3.3 Conclusões a respeito da aplicação do pré-processamento em imagens carpais. 29 4 O armazenamento de dados. ... 30
4.1 A aplicação de sistemas de gerenciamento de dados. ... 30
4.2 Justificativa da aplicação do Banco de dados. ... 31
4.3 O processo de formação do banco de dados. ... 32
4.4 Considerações a respeito da base de dados métrica. ... 34
5 Processo de descoberta de conhecimento em bases de dados. ... 36
5.1 O papel dos processos de KDD quando aplicados à base de métricas. ... 39
5.1.1 O Weka ... 40
5.1.2 O StARMiner ... 42
5.2 Importância da aplicação de processos de mineração nos dados. ... 46
5.3 A contribuição da descoberta de conhecimento para base métrica. ... 47
6 Redes Neurais Artificiais. ... 48
6.1 Conceitos iniciais. ... 48
6.2 Componentes das RNAs. ... 49
6.3 Topologias de redes neurais utilizadas. ... 52
6.3.1 Rede LVQ (Learning Vector Quantization) e Counterpropagation ... 54
6.3.2 O Perceptron multicamadas ... 54
6.4 Considerações finais sobre redes neurais artificiais. ... 56
7 Desenvolvimento da Metodologia. ... 58
7.1 Introdução. ... 58
7.2 Etapas utilizadas no desenvolvimento da metodologia ... 58
7.2.1 Geração dos dados e constituição da base CarpEven. ... 58
7.2.2 Preparação dos dados. ... 59
7.2.3 O processo de mineração de acordo com Weka. ... 59
7.2.4 O processo de mineração de acordo com StARrminer ... 61
7.3 Considerações finais. ... 63
8 Discussões e resultados. ... 65
8.1 Introdução ... 65
8.2 O processo de geração de informação. ... 65
8.3 O processo de mineração de dados. ... 65
8.3.1 Características utilizadas pelo Weka. ... 66
8.3.2 Características selecionadas pelo StARminer. ... 68
8.4 A aplicação das redes neurais artificiais. ... 79
8.5 Combinações dos centros ósseos. ... 90
8.6 Considerações a respeito dos resultados. ... 99
9 Conclusão. ... 101
9.1 Trabalhos futuros. ... 102
1 - Introdução.
A estimação de idade óssea utilizando ossos da mão e punho tem sido empregada devido à grande quantidade de ossos e epífises localizados em uma área não muito extensa, que sofrem mudanças em diferentes tempos e velocidades. O grau de desenvolvimento é, frequentemente, avaliado através do uso de indicadores que refletem as mudanças físicas ocorridas no indivíduo durante o processo de maturação (CASANOVA et al., 2006).
Segundo Olivete Jr (2005a), o maior desafio na utilização de métodos de visão computacional para alcançar resultados satisfatórios na estimação da idade óssea é a utilização de uma metodologia que seja capaz de obter diagnósticos computadorizados e análises quantitativas para estudos em grandes populações, com diferentes faixas etárias e contrastes.
Incorporar técnicas computacionais para análise de imagens médicas, e proporcionar meios que auxiliem o diagnóstico médico é a função desta pesquisa. Características como dimensão, podem ser medidas com relativa facilidade por meio do amparo computacional, servindo como uma segunda opinião na análise de um especialista. Determinar a idade óssea através da imagem digitalizada de uma radiografia de mão e punho (radiografia carpal) é um procedimento frequentemente empregado em pacientes pediátricos que apresentam desordens no crescimento e, mais recentemente na área odontológica, nos procedimentos ortodônticos (GREULICH & PYLE, 1992). A forma clássica mais antiga de avaliação é por meio de comparações do desenvolvimento de ossos de determinadas regiões da radiografia carpal do paciente com um modelo de referência. Existem dois métodos muito utilizados neste tipo de procedimento: Greulich, (GREULICH & PYLE 1992) e Tanner, (TANNER & WHITEHOUSE, 1969); ambos necessitam de uma comparação visual entre a radiografia do paciente e modelos padrão fornecidos por Atlas. Outro método utilizado é o de Eklof, (EKLOF & RINGERTZ, 1967), que se baseia na análise do comprimento e largura de 10 centros de ossificação.
Mesmo este tipo de análise, baseado em dimensões, ainda é subjetivo, pois varia de acordo com a experiência dos radiologistas e consome tempo para a avaliação de todos os ossos ou todas as regiões de interesse dependendo do método. O auxílio computacional, representa um avanço para essas análises, já que as estruturas ósseas de interesse podem ser
realçadas, e as medidas dimensionais podem ser obtidas, facilitando, assim, sua análise (OLIVETE JR., 2005 b, c, d, e 2006 a, b).
1.1 - Objetivo da pesquisa.
Este trabalho tem como objetivo principal a criação de uma nova metodologia para a estimação de idade óssea, a partir da investigação exaustiva das relações entre as métricas obtidas, através da segmentação das imagens de raio X e o uso de mineração de dados associada à aplicação de classificação neural. A pesquisa utiliza métricas baseadas na metodologia de Eklof & Ringertz - que foi simplificada por Olivete Jr (2005a) -, analisando em conjunto os resultados obtidos por Queiroz (2006) que, em sua pesquisa, não só endossa a eficiência do método de Olivete Jr (2005a), como também avalia que o uso de redes neurais, para o processo de classificação, auxilia, de forma importante, o procedimento como um todo.
1.2 - Relevância da pesquisa
Sabe-se que a ciência, em todas as suas vertentes, busca o bem-estar do indivíduo; portanto, a importância de diagnósticos precoces é fundamental para o restabelecimento da saúde ou para correção de disfunções em tempo hábil.
Para embasar a relevância da pesquisa são apresentados, neste trabalho, os métodos clássicos para estimação de idade óssea, nos quais é possível notar que as novas metodologias, oriundas desses métodos, estão não somente, baseadas na redução dos centros analisados, mas também buscam fornecer, ao radiologista, meios para o diagnóstico prévio de anomalias ou mesmo disfunções de qualquer natureza.
Assim, as métricas analisadas por este trabalho dão continuidade ao ciclo de pesquisas que vêm sendo realizadas, e abrangem os vários aspectos utilizados pelos métodos clássicos e outros métodos que podem ser associados a estes, tais como área e perímetro.
Reunir as informações a respeito de estimação de idade óssea cria possibilidades para que haja correções de desordens de crescimento, já que as avaliações podem ser feitas de forma prática, permitindo, aos especialistas da área médica, a escolha de uma metodologia que se adapte às suas necessidades ou mesmo utilizá-la associada a outras.
Um breve relato apresenta os resultados prévios das últimas pesquisas de Olivete Jr (2007), com relação à presença do número de ouro e da sequência Fibonacci nas falanges dos
dedos. Tais pesquisas impulsionam investigações que visam encontrar novas formas de estimação de idade óssea que culminem, não só com metodologias precisas, mas também com a redução da quantidade de centros de ossificação analisados, o que diretamente indica uma redução do tempo envolvido no processo e, supressão da subjetividade existente em métodos cuja decisão da análise é feita somente pelo ser humano.
1.3 - Estrutura de apresentação do trabalho
O presente trabalho encontra-se dividido em 9 capítulos que são descritos sucintamente a seguir.
O Capítulo 2, Revisão Bibliográfica, apresenta uma revisão literária sobre a Estimação de idade óssea, motivo de toda a pesquisa. Relaciona as metodologias clássicas e as pesquisas atuais realizadas na área de Estimação de idade óssea. As metodologias estão relacionadas em ordem cronológica, permitindo, assim, a prévia avaliação da contribuição de cada uma para o objetivo do trabalho.
O Capítulo 3, A problemática das imagens de raio X, apresenta um breve relato a respeito das imagens que são utilizadas nesta pesquisa, os problemas que as mesmas podem apresentar, e as técnicas utilizadas para amenizá-los.Apresenta a solução encontrada por esta pesquisa para auxílio ao processo de segmentação.
O Capítulo 4, O armazenamento de dados, relata as principais características do banco de dados CarpEven, sua concepção e forma. É um capítulo descritivo, ilustra o funcionamento e as características dos dados utilizados nesta pesquisa, como os mesmos são armazenados e sua nomenclatura.
O Capítulo 5, Processo de descoberta de conhecimento em banco de dados, traz uma abordagem a respeito do processo de descoberta do conhecimento, relatando as vantagens desse método que tem, como principal objetivo, a mineração de dados, ou seja, a descoberta de informações relevantes em grandes volumes de dados. Descreve o software e o algoritmo que são aplicados à base de dados CarpEven, suas particularidades e modo de funcionamento.
O Capítulo 6, Redes Neurais Artificiais, faz uma breve revisão literária sobre redes neurais artificiais. Descreve o funcionamento das mesmas, suas utilidades e aplicações, abordando os tipos utilizados nessa pesquisas e suas particularidades.
O Capítulo 7, Metodologia, aborda aspectos da metodologia utilizada, desde a formação da base de dados até o processo de validação. Descreve o funcionamento dos mineradores e redes neurais, suas características e desempenho perante as informações da base CarpEven.
O Capítulo 8, Discussão e resultados, apresenta os resultados obtidos e uma discussão a respeito dos mesmos, por meio de gráficos e tabelas; o desempenho tanto dos mineradores quanto das redes neurais é analisado e discutido. São observadas as particularidades e similaridades dos conjuntos de dados obtidos e a eficiência de sua aplicação na classificação dos dados.
O Capítulo 9, Conclusões e sua seção sobre trabalhos futuros, apresenta, conclusões a respeito dos resultados da aplicação dos mineradores como metodologia de extração de características, e do classificador neural utilizado. Analisa as avaliações feitas e aponta para o conjunto eleito para compor a nova metodologia, baseada na utilização da base CarpEven e da associação dessas novas informações.
2 - Estimação de idade óssea.
De acordo com Enlow (1993), o crescimento não é um mero processo de aumento de tamanho. Ele envolve, também, uma sucessão desconcertante de mudanças regionais nas proporções e requer incontáveis ajustes localizados para alcançar a devida função e estabilidade entre todas as partes.
O indicador comumente utilizado em estudos a respeito do crescimento e desenvolvimento é a idade óssea (TAVANO, 2004), sendo que, a radiografia de mão e punho representa um auxílio na avaliação da idade óssea individual, detectando, por meio dos eventos de ossificação, o período de surto de crescimento puberal (MERCADANTE, 1996).
Neste capítulo, é feita uma revisão da literatura sobre a estimação de idade óssea, métodos conhecidos e utilizados pela comunidade médica, bem como todos os avanços ocorridos nas pesquisas a este respeito.
2.1 - A estimação de idade óssea - formulação do problema de pesquisa.
A análise de radiografias carpais tem sido muito utilizada para estimar a idade óssea, obtendo o quanto o crescimento evolui em relação à maturidade óssea, pois a idade cronológica não é um bom critério para avaliar o desenvolvimento e o crescimento de uma pessoa, devido às diferenças relacionadas ao sexo e outros fatores que contribuem para sua variação, tais como: genética, condição nutricional e ambiental, (OLIVETE JR, 2005a).
Durante a infância, conforme afirmação de Tanner & Whitehouse (1969), o crescimento está intimamente relacionado à idade cronológica, sofrendo um distúrbio no período da puberdade. O crescimento ósseo está relacionado à maturidade estrutural dos ossos do corpo. Analisando-se individualmente o osso, verifica-se que sua região periférica ou seus terminais, no caso de ossos longos (com estrutura cilíndrica), como pode ser visto na Figura 1, à medida que cada osso cresce, passa por alguns estágios (MICHAEL & NELSON, 1989). Há, segundo Queiroz (2006), um esqueleto cartilaginoso durante a vida embrionária, o qual será quase totalmente substituído por um esqueleto ósseo. É o que se denomina ossificação endocondral (do grego endos, dentro, e chondros, cartilagem).
A partir do segundo mês de vida intra-uterina, começam a se formar os ossos. Ao nascer, a criança já apresenta um esqueleto bastante ossificado, mas as extremidades de
diversos ossos ainda mantêm regiões cartilaginosas que permitem o crescimento (Queiroz 2006).
Figura 1 – Estrutura de um osso longo. Fonte: Avancini & Favaretto (1997).
Segundo Bosqueiro et al. (2001), pode-se observar o crescimento e o desenvolvimento de um indivíduo comparando a altura e o peso com tabelas de padrões existentes - método chamado de cálculo de idade morfológica; - contudo, não é um método eficaz, pois essas características variam de acordo com a raça e outros fatores.
A idade óssea, por sua vez, tem sido o fator mais utilizado nos estudos de estimação de crescimento e desenvolvimento, de acordo com Tavano (2001), devido à apresentação de resultados muito satisfatórios e, até certo ponto, seguros, quando comparados à idade biológica. Uma das maneiras de se determinar a idade óssea é através da análise do exame radiológico da mão e punho esquerdo. Os principais pontos de análise são os centros de
ossificação, forma e fusão dos ossos. Essa região tem sido muito utilizada devido à sequência cronológica que apresenta.
Devido a essas variações, os métodos clássicos de análise têm uma grande importância, pois os mesmos são divididos em dois tipos: baseado em padrões, no qual a idade é obtida por meio de uma comparação visual com os padrões existentes em um Atlas, e o método de escores, no qual cada centro de ossificação recebe um valor, e no final da análise, determina-se a idade comparando com uma escala de desenvolvimento.
Citar trabalhos como o de Taffarel et al. (2003) é muito apropriado, pois o mesmo desenvolveu uma metodologia de estimação de idade óssea automatizando o método de Tanner & Whitehouse; já Bosquieiro et al. (2001), realizaram um estudo cujo objetivo foi verificar se os métodos de estimativa de idade óssea de Greulich & Pyle e Tanner & Whitehouse poderiam ser aplicados à população brasileira, e qual dos dois métodos seria o mais confiável, se comparado com a idade cronológica. Tavano (2001) apresentou um importante estudo, em sua tese de doutorado (1976), determinando a idade óssea de 590 crianças brasileiras, sendo 295 de cada sexo, com idades entre 3 a 17 anos, utilizando, para tal, os índices de Greulich & Pyle(GP), Tanner & Whitehouse (TW) e de Eklof & Ringertz (ER). Tavano (2001) verificou a possibilidade da utilização destes índices em território nacional; o método de TW foi simplificado, utilizando-se apenas os escores dos ossos cárpicos - os outros centros foram desprezados. Para o método ER, as variações dimensionais de largura dos ossos utilizados foram modificadas, e o mesmo provou que essas modificações não alteram os resultados finais.
Partindo da análise das metodologias clássicas em conjuntos com as metodologias desenvolvidas por pesquisadores, essa pesquisa, baseada nas métricas extraídas das imagens carpais, visa encontrar relações que possam ser utilizadas, para estimar a idade óssea, de forma simples, sem a necessidade de exaustivas análises, com auxilio de ferramentas específicas para descoberta de conhecimento em grande volume de dados.
Aborda-se a organização dos ossos da mão para elucidar a dificuldade encontrada, quando é necessária a avaliação de regiões da mão que apresentam sobreposição de estruturas, justificando, assim, a busca por métodos que não necessitem da avaliação dessas regiões e utilizem conjuntos reduzidos para a estimação.
2.2 - A organização dos ossos da mão.
A mão é composta por 27 ossos, conforme mostra a Figura 2. Destes, 19 são alongados e localizam-se na palma da mão; e, nos dedos, os oito ossos restantes são curtos e formam o carpo, articulados entre si e, juntamente com os ossos do metacarpo, a ulna e o rádio correspondem ao punho.
Figura 2- Esquema anatômico dos ossos cárpicos e da mão. Fonte: Tavano (2001).
Os ossos metacárpicos correspondem a um conjunto de cinco ossos, contados a partir do polegar, que formam a palma da mão e estão ligados às falanges e aos ossos do carpo. Cada um dos ossos do metacarpo é formado por um corpo e duas extremidades que se articulam com as falanges proximais, formando os nós do punho. O início da ossificação dos ossos metacarpianos se dá no terceiro mês antes do nascimento da criança (NETLER, 1990).
Por outro lado, as falanges são os dedos propriamente ditos, sendo que o polegar, primeiro dedo, é formado por apenas duas falanges a proximal e a distal; os outros quatro dedos são formado por três falanges: distal, média e proximal. A articulação com o metacárpico é feita pela falange proximal; a falange distal é livre em sua extremidade distal, e a média está posicionada entre as duas. A ossificação das falanges ocorre entre o terceiro e o quarto mês antes do nascimento da criança, segundo Tavano (2001).
O punho é formado pelos ossos do carpo, que são descritos abaixo, e observados do sentido do rádio para a ulna, conforme apresentado na Figura 2.
Escafoide: é o osso de maior volume da fileira proximal e tem o formato de um barquinho;
Semilunar: apresenta uma concavidade profunda na sua superfície inferior e tem o formato de uma meia lua;
Trapézio: situa-se entre o Escafoide e a epífise do 1º Metacárpico;
Trapezoide: é o mais largo dorsal que ventralmente articula-se com o Escafoide, o 2º Metacárpico, o Trapézio e o Capitato;
Capitato: é o maior dos ossos do carpo e o primeiro a se ossificar;
Hamato: tem um formato piramidal com a sua base fixada nos dois últimos metacárpicos;
Pisiforme: é o menor osso do carpo, tem formato arredondado é o último a se ossificar;
Piramidal: apresenta um formato de pirâmide com a sua base voltada para cima e para fora.
O início da ossificação do carpo ocorre após o nascimento da criança; entretanto, há registros de casos de nascimento de crianças com alguns ossos do carpo já ossificados.
No esqueleto da mão existem ossos ditos fixos, que são os da série distal do carpo e os metacarpianos centrais (segundo e terceiro metacarpos); e os móveis, que são os demais e estão divididos principalmente em duas partes: as falanges que dão forma aos dedos e os metacarpianos periféricos - o primeiro, o quarto e o quinto metacarpiano (BOSQUIEIRO et al., 2001).
2.3 - Métodos clássicos de avaliação da idade óssea.
Existem diversos métodos para a estimação da idade óssea, que utilizam vários pontos e estruturas do corpo para tal avaliação. De acordo com (DUARTE & NEVES,2008), há 800 centros de ossificação no corpo humano que podem ser utilizados para estimação de idade óssea. Metade desses centros desenvolve-se durante a vida uterina e são chamados de primários; e os outros, chamados secundários, surgem mais tarde e se desenvolvem ao longo de linhas definidas até a sua fusão quando a maturação óssea se encerra.
Os métodos clássicos de estimação de idade óssea mais difundidos e utilizados no Brasil são os métodos Greulich & Pyle, Tanner & Whitehouse e Eklof & Ringertz, baseados na análise dos ossos da mão e punho.
O primeiro utiliza um Atlas de padrões para fazer a avaliação por meio de inspeção dos ossos e estimar a idade óssea (OLIVETE JR, 2005a). O segundo utiliza escores, e o método de Eklof & Ringertz utiliza medidas de comprimento e/ou largura de determinados centros de ossificação, com distinção entre sexos.
A grande vantagem do Atlas, segundo Haiter et al., (2000) é que ele faz a distinção entre os sexos na apresentação dos padrões.
2.3.1 - GREULICH & PYLE.
Em 1950, Greulich & Pyle publicaram um Atlas radiográfico de desenvolvimento ósseo da mão e punho. Destacaram a necessidade da criação de um método que promovesse informações mais precisas sobre o desenvolvimento de um indivíduo e não apenas informações, como estatura, peso e idade cronológica (QUEIROZ, 2006).
A comparação da radiografia carpal do indivíduo e as radiografias contidas em um Atlas é a essência da metodologia de Greulich & Pyle. O Atlas é baseado em dados coletados durante estudos e apresenta diferentes padrões para cada sexo.
O método de Greulich & Pyle envolve um grande número de comparações de todos os ossos da mão com as radiografias de diferentes idades disponibilizadas no Atlas; e, de acordo com o sexo, recebem uma idade óssea igual àquela do padrão ao qual se assemelham. No total, 28 pontos de ossificação precisam ser examinados durante a comparação (NIEMEIJER, 2002).
O Atlas é composto por 58 pranchas radiográficas, com padrões que variam de acordo com sexo, e estão dispostos em intervalos de três meses de idade, nos primeiros 18 meses, e, a
partir daí, até 5 anos, semianualmente; e, depois, anualmente, exceto por alguns intervalos semestrais na puberdade. Cobre até a idade de 18 anos para o sexo feminino e 19 anos para o sexo masculino (OLIVETE JR, 2005a). O Atlas apresenta a idade esqueletal dos ossos, individualmente, e uma parte descritiva em quadros que se encontram junto a cada padrão para cada sexo (TAVANO, 2001).
A estimativa da idade óssea é obtida por meio de uma inspeção visual de 28 centros de ossificação, mostrados na Figura 3.
Figura 3 - Centros de ossificação da mão e punho. Fonte: Greulich & Pyle (1992).
Segundo Greulich & Pyle, (1992), estes centros devem ser comparados com todos os padrões dispostos no Atlas, até que se encontre um semelhante à radiografia que está sendo analisada. Estes padrões são formados por informações extraídas de radiografias carpais, obedecendo aos intervalos de idade. Na maioria dos casos analisados, nem sempre a fase em que a radiografia está, coincide exatamente com algum padrão do Atlas. Quando isso ocorre, seleciona-se aquele que mais se aproxima da radiografia em análise (OLIVETE JR, 2005a).
2.3.2 - TANNER & WHITEHOUSE.
O primeiro método de Tanner & Whitehouse foi criado em 1959; o chamado TW. Nesse método, cada um dos vinte ossos selecionados, da mão e punho, são classificados separadamente em estágios existentes de acordo com letras que vão de a até j (QUEIROZ, 2006). Em 1969, baseado nos escores de Acheson et al.(1966), este sistema foi revisado, culminando no método denominado TW2, que contém alterações no sistema de escores, e, ainda, estabelece escores diferentes para cada sexo. Este novo sistema também prevê maturações ósseas separadas para o rádio, ulna e ossos curtos, metacarpos e falanges, (método RUS) e para os ossos carpais (método CARPAIS), segundo Queiroz (2006).
A avaliação dos vinte centros de ossificação entre os ossos da mão e do punho ainda é realizada. O segundo e o quarto dedos não são considerados, porque a maturação dos metacárpicos e das falanges, geralmente, está intimamente ligada, prejudicando o isolamento preciso dessas áreas. A Figura 4 ilustra os estágios da falange distal.
Figura 4 - Estágios de desenvolvimento do centro de ossificação da falange distal. Fonte:Haiter et al (2006).
Como observado na Figura 4, foram escolhidos apenas os padrões dos centros de ossificação da falange distal para exemplificar suas fases de crescimento, excluindo-se o restante, que pode ser encontrado em Tanner et al. (1969).
Baseado na atribuição de escores para cada um dos 20 ossos, o método segue a seguinte ordem: rádio, ulna, metacárpicos I, II e V; falanges proximais I, II e V; falanges médias III e V; falanges distais I, III e V; capitato, hamato, piramidal, semilunar, escafoide, trapézio e trapezoide.
Os ossos são avaliados em uma escala de A até I, exceto o rádio, que é avaliado de A – J. Caso não haja sinal da presença de osso é dada a avaliação A. As avaliações são registradas comparando-se o osso em questão com os diagramas que existem no Atlas para cada ponto de
ossificação. Tal informação encontra-se em uma página do Atlas com todos os estágios de cada osso, bem como as especificações de idades (OLIVETE JR, 2005a).
2.3.3 - EKLOF & RINGERTZ.
O método Eklof & Ringertz é baseado nas medidas de comprimento e/ou largura de determinados centros de ossificação. Inicialmente, foram realizados todos os testes possíveis com todos os ossos para determinar quais proporcionavam resultados estatisticamente mais precisos na determinação da idade óssea em relação a laudos médicos. Com a realização de testes, verificou-se que o crescimento de alguns ossos da mão e do pulso satisfaziam esta condição no intervalo de 1 a 15 anos de idade. Verificou-se, também, que as crianças com idade inferior a 1 ano e meio apresentavam uma regressão não linear entre idade cronológica e idade óssea e, com isso, concluiu-se que elas não poderiam ser incluídas nesta análise, pois apresentavam índices discrepantes de idade óssea (TAVANO, 2001).
Para determinar os padrões normais, foram escolhidos 10 parâmetros (ossos) que possuíam os mais altos coeficientes de correlação (0,922 – 0,964) entre idades e medidas em questão (OLIVETE JR, 2005a). Os 10 parâmetros são apresentados a seguir, na Figura 5.
Figura 5 - Índice de Eklof & Ringertz, centros de ossificação utilizados. Fonte:Tavano(2001).
A estimativa da idade óssea é obtida através da análise dos centros de ossificação, formados pelas regiões mostradas na Figura 5: 1- largura da epífise distal do rádio; 2- comprimento do capitato; 3- largura do capitato; 4- comprimento do hamato; 5- largura do hamato; 6- comprimento do metacárpico II; 7- comprimento do metacárpico III; 8- comprimento do metacárpico IV; 9- comprimento da falange proximal II; e 10- comprimento da falange proximal III. Uma série de 1013 crianças foi analisada pelos autores, para estabelecer as variações normais. Usando cálculos estatísticos, eles apresentaram 2 tabelas, uma para cada sexo, em que cada um dos 10 centros de ossificação tem um padrão mínimo e um máximo de medida (em milímetros). Estes parâmetros são apresentados para todas as idades de 1 até 15 anos, com intervalos de 3 meses entre eles, representando um total de 56 parâmetros para cada centro de ossificação.
Existem vários trabalhos que utilizam estes métodos para estimar a idade óssea. Um exemplo é Marques et al. (2001), que utiliza imagens carpais para estimar a idade óssea; outro trabalho importante foi o de França et al. (1998), que buscou estabelecer cientificamente as idades ósseas e dentárias utilizando radiografias da face, bacia, joelho, cotovelo, entre outros, que apresentam centros de ossificação.
No trabalho de França et al. (1998), as imagens foram inicialmente segmentadas, utilizando técnicas de processamento de imagens e, posteriormente, foram analisadas utilizando o método de Tanner & Whitehouse.
Moraes et al. (2003) também realizou um estudo comparativo entre os métodos de Greulich & Pyle, e Eklof & Ringertz para verificar parâmetros como: a variabilidade, fidelidade, confiabilidade e a praticidade entre os dois (OLIVETE JR, 2005a).
A busca pelo aprimoramento dessas metodologias clássicas e a necessidade de adaptá-las às novas tecnologias motivam pesquisas que objetivam melhorar, ainda mais, a estimação. A seguir, discorrer-se-á a respeito de alguns trabalhos relacionados à estimativa de idade óssea, produzidos pelo grupo de pesquisa da EESC.
2.3.4 - Estimativa de idade óssea através da análise carpal baseada na simplificação do método de Eklof & Ringertz.
Olivete Jr (2005a), em sua pesquisa, obtém todas as medidas objetivas dos ossos, permitindo, assim, uma diferenciação da idade óssea nas diferentes fases de crescimento.
Para tanto, 450 imagens de radiografia da mão esquerda do banco de dados da EESC, de pacientes de ambos os sexos, foram submetidas a um pré-processamento com intuito de
amenizar efeitos indesejáveis que porventura levassem a conclusões dúbias. Em seguida, foram submetidas ao processo de segmentação, que possibilitou a construção de um Atlas digital com todas as imagens e dados refletindo o desenvolvimento ósseo.
O banco de dados de imagens carpais foi utilizado para armazenar todas as imagens pré-processadas (segmentadas), com as suas respectivas informações, facilitando, desta forma, o acesso às mesmas. As medidas são armazenadas de acordo com o proposto pelo método de Eklof & Ringertz (OLIVETE JR, 2005a).
A metodologia utiliza apenas 5 centros de ossificação (localizados apenas nos dedos), sendo necessária a inserção de apenas 10 marcadores. Para facilitar a estimativa, os marcadores são inseridos automaticamente.
Olivete Jr (2005a) criou um software que realiza marcações automáticas dos centros de ossificação Figura 6 (a) e, em seguida, disponibiliza um mapa, Figura 6 (b), com as posições corretas dos 10 centros de ossificação. Após essa etapa, é verificado se os pontos que foram automaticamente inseridos estão nas posições corretas; caso contrário, é necessário ajustá-los.
(a) (b)
Figura 6 – (a) Marcações estimadas dos centros de ossificação. (b): localização correta dos pontos utilizados por Eklof & Ringertz. Fonte: Olivete Jr (2005a).
A idade óssea final é obtida através da média das idades encontradas para cada um dos cinco ossos.
Com os resultados obtidos pela simplificação, (5 centros de ossificação), Olivete Jr, (2005a), buscou uma nova simplificação, baseando-se em um número inferior a 5 centros. Para isso, foram feitas todas as combinações possíveis entre os 5 ossos selecionados no estudo, comparando-as com o laudo médico e também com os valores obtidos através do uso de todos os centros de ossificação, (num total de 10 ossos) propostos pelo método de Eklof & Ringertz. O experimento constatou que esta simplificação poderia ser ainda maior, utilizando apenas 3 ossos para estimar a idade, fazendo com que o tempo de processamento fosse ainda mais reduzido. Assim, são necessários apenas 6 pontos contra 20 pontos do método original.
Com base nos estudos de Olivete Jr (2005a), conclui-se que é possível estimar, com confiança, a idade óssea, baseando-se apenas nos ossos da mão.
2.3.5 - Metodologia de extração automática de características da mão para a estimação da idade óssea utilizando redes neurais artificiais no processo de decisão.
Com base nas informações citadas anteriormente, Queiroz (2006) desenvolveu uma metodologia capaz de automatizar a estimação da idade óssea e auxiliar o radiologista em sua análise, servindo como uma segunda opinião na decisão final, que diminui o tempo necessário para análise de todos os centros de ossificação. Com o emprego de redes neurais artificiais e de técnicas de processamento de imagens, foi possível investigar as relações entre os centros de ossificação utilizados pelo método de Eklof & Ringertz – tradicional, e o método simplificado proposto por Olivete Jr, et al. (2005e) - buscando, também, investigar a possibilidade de se reduzir, ainda mais, o número de centros de ossificação necessários para estimação da idade óssea.
O objetivo dessa metodologia foi desenvolver um algoritmo para estimar a idade óssea, baseado no método de Eklof & Ringertz, utilizando redes neurais.
O algoritmo desenvolvido é composto por quatro partes, como mostra a Figura 7. A primeira consiste no pré-processamento da imagem; a segunda parte consiste na segmentação, cujas estruturas de interesse, ou seja, os centros de ossificação, são destacados; na terceira parte são extraídas as características que servirão como dados de entrada para a rede neural, que irá estimar a idade óssea automaticamente, compreendendo, assim, a quarta parte do processo (QUEIROZ, 2006).
Figura 7 - Etapas a serem desenvolvidas do algoritmo de classificação da idade óssea. Fonte: Queiroz, (2006).
Queiroz (2006) afirma que a extração de características, de imagens radiográficas da mão, de forma automática, é bastante prejudicada quando se trata da região do punho, devido à sobreposição de ossos. Porém, utilizando-se o método de Eklof & Ringertz, simplificado, proposto por Olivete Jr et al. (2005e), em que essa região é desprezada, este procedimento pode ser implementado de forma mais consistente.
O método de assinatura horizontal foi utilizado para encontrar características, e procedimentos de varredura foram aplicados para localizar os dedos na imagem que é binarizada. Para que ocorra essa localização, as posições iniciais são armazenadas e aplicadas na imagem em nível de cinza, após a etapa de suavização (QUEIROZ 2006).
Feitas as demarcações, o passo seguinte é o processo de classificação, realizado com auxílio de redes neurais.
No processo de classificação, foram utilizadas as redes Perceptron multicamadas, devido ao seu processo de aprendizado supervisionado e a maneira com que os clusters são formados, (QUEIROZ,2006). Para que a rede possa classificar através do método tradicional de Eklof & Ringertz, o conjunto de treinamento é composto pelos dados dimensionais do Atlas, que apresenta dimensões de idades entre 1 e 15 anos.
Os resultados e testes feitos no trabalho de Queiroz (2006) mostraram-se satisfatórios quando comparados aos métodos clássicos na etapa de classificação. A idade estimada corresponde à idade óssea estimada de acordo com o laudo médico.
A metodologia proposta para a extração automática de características da mão mostrou-se eficiente, devido à capacidade de localizar regiões de interesmostrou-se e de extração da dimensão de centros de ossificação em imagens de baixa qualidade. Foi possível, ainda, observar que,
mesmo em imagens que possuem inclinação nos dedos, o algoritmo localiza e extrai as informações dimensionais de maneira correta.
A aplicação de redes neurais artificiais no processo de classificação possibilitou a estimação da idade óssea de vários pacientes simultaneamente, auxiliando o trabalho do radiologista especialmente em grandes centros radiológicos, onde vários padrões de entrada podem ser testados, e o resultado na saída da rede é a idade óssea estimada (QUEIROZ, 2006).
2.3.6 - Novas metodologias automáticas para estimativa da idade óssea, baseadas no processamento de imagens radiográficas da mão.
A proposta de Olivete Jr. (2007), contribui para aperfeiçoar a metodologia desenvolvida em sua dissertação de mestrado, com a finalidade de criar novos métodos de pré-processamento para extração automática de informações dos ossos da mão (centros de ossificação), via abordagem de contornos ativos e apresentar uma evolução do modelo tradicional, que seja capaz de se adaptar às formas ósseas encontradas nas radiografias da mão.
Em síntese, a pretensão foi comprovar a eficiência e a agilidade na extração de características, verificando a existência da proporção áurea e da sequência de Fibonacci em medidas dos centros de ossificação, a fim de analisar se o crescimento ósseo do paciente está de acordo com a sua idade cronológica.
Para a realização desta pesquisa, foram selecionadas 640 imagens radiografias digitalizadas da mão de indivíduos dos sexos masculino e feminino de uma mesma região brasileira; as radiografias foram obtidas junto ao Prof. Dr. Francisco Haiter Neto1.
Após o processo de digitalização, as imagens foram separadas de acordo com a idade cronológica do indivíduo e através do laudo médico obtido das metodologias de E&R, G&P e T&W. Os laudos foram feitos pelo Prof. Dr. Francisco Haiter Neto. Parte dos laudos baseados no método de E&R, também foi obtida através do software Anacarp (OLIVETE & RODRIGUES, 2006).
A metodologia foi dividida em 3 etapas, iniciando-se pela segmentação das imagens, seguida pela utilização dos modelos de contornos ativos. A última etapa utiliza a sequência Fibonacci e o número de ouro para estimar a idade óssea.
Segmentação - o modelo de contornos ativos.
O método de contornos ativos foi proposto para resolver o problema de localização de bordas de objetos em imagem. De acordo com Olivete Jr. (2007), estes métodos iniciam-se em uma configuração mais ou menos arbitrária, com um contorno inicial que evolui até contornar o objeto de interesse. É devido ao seu comportamento dinâmico que se tem a definição de “modelos deformáveis” (RODRIGO et al., 2003).
As estimativas foram feitas tomando informações de dimensões (área) de determinados centros de ossificação, por meio de proporções áureas encontradas nos ossos da mão, mais especificamente nos ossos das falanges e do metacarpo, e através da presença da sequência de Fibonacci destes ossos.
O número de ouro e a sequência de Fibonacci, presentes entre as proporções analisadas, serviram para indicar o crescimento correto.
A estimativa da idade óssea baseada na proporção áurea e na sequência de Fibonacci dos ossos da mão.
As propostas de estimativa da idade óssea baseando-se na proporção áurea envolvem algumas análises que são apresentadas por Olivete Jr (2007), com a utilização dos centros de ossificação formados pelas falanges e metacarpos.
Nesta estimativa analisa-se se o crescimento do paciente está de acordo com a idade cronológica, levando em consideração a presença da proporção áurea entre a soma das falanges.
Para embasar sua pesquisa, Olivete Jr. (2007) cita Torres (1970), que realizou um estudo no qual faz uma descrição da presença da proporção áurea no ser humano, como pode ser visto na Figura 8, que analisa a proporção entre as falanges e metacarpo.
Figura 8 - Presença da sequência Fibonacci entre as falanges e metacarpo. Fonte: Olivete Jr. (2007).
Olivete Jr. (2007) verificou que os resultados obtidos por todos os métodos de estimativa apresentaram um elevado coeficiente de correlação (próximo de 1.0), entre as idades cronológicas e as idades ósseas estimadas. Estes resultados indicam que todos os métodos utilizados podem ser aplicados no acompanhamento do crescimento ósseo.
A metodologia baseada em área foi desenvolvida devido ao método de E&R, baseado em medidas de comprimento e/ou largura de determinados ossos. As medidas de comprimento de alguns centros de ossificação foram utilizadas para verificar a existência do número de ouro entre eles. Foram geradas três metodologias que proporcionaram várias razões, formadas por comprimentos dos centros de ossificação.
Olivete Jr. (2007), conclui que estas metodologias podem ser utilizadas como um novo padrão para a análise do crescimento ósseo, em pacientes na faixa etária de 6 a 16 anos, com a vantagem de fácil utilização e rápida execução.
Olivete Jr. (2007) avalia, também, que, metodologia baseada na sequência de Fibonacci trazer resultados satisfatórios, embora inferiores aos obtidos com as metodologias baseadas em número de ouro e em medidas de área, baseada em contornos ativos, sua principal vantagem é o fato de apresentar resultados precisos e que não se alteram após várias estimativas, bem como uma elevada velocidade de processamento, operando de forma automática e simplificada.
2.4 Considerações a respeito da idade óssea.
Este capítulo fez uma revisão da literatura dos métodos tradicionais para estimação de idade óssea, abrangendo as metodologias que sucederam esta pesquisa, a fim de reunir informações que agreguem valor não somente à investigação, mas que possibilitem mais qualidade e velocidade da estimação agindo como veículo propulsor para pesquisas que procuram viabilizar novas metodologias de estimação de idade óssea, de forma simples.
A automação ou semi-automação desses procedimentos, além de evitar estimações que necessitam de exaustivas análises, permite um aumento no nível de precisão e diminui o desgaste dos profissionais da área médica, revertendo o quadro de diagnósticos tardios.
Para que a automação seja uma ferramenta eficiente nesses processos, é necessário que as imagens utilizadas sejam submetidas a um pré-processamento que uniformize contraste e melhore as condições das mesmas para processos de segmentação e análises. No próximo capítulo, serão abordadas algumas técnicas que foram utilizadas como ferramentas de pré-processamento com intuito de amenizar os problemas apresentados pelas imagens carpais.
3- Considerações sobre as imagens de raio X.
Uma radiografia é resultado da reprodução da imagem de um objeto em um material fotossensível através do uso dos raios X. Essa reprodução, muitas vezes, apresenta algumas alterações de intensidade dos pixels, dependendo dos aparelhos utilizados, ou ainda, devido à pele, ou, mesmo, sobreposição de estruturas. Existem vários problemas que dificultam ou tornam equivocada a análise das imagens reproduzidas muitas vezes; eles estão relacionados à qualidade do filme, processo de formação da imagem, ruídos, ou a problemas inerentes ao processo de radiografia denominado efeito Heel (OLIVETE JR, 2005a).
O efeito Heel é uma das maiores dificuldades encontradas quando se realiza o processamento de imagens de raios X. Dá-se em virtude da variação não uniforme do contraste de fundo, produzindo uma intensidade de radiação variável, em função da localização espacial, provocando mudança de contraste por toda a imagem (OLIVETE JR et al., 2005b).
Este fenômeno, segundo Fritz & Livingston (1985), é um dos grandes problemas encontrados em radiografias carpais, relacionado diretamente à distribuição de intensidade dos raios X, causando iluminação não uniforme em algumas partes da imagem. Tomando como base imagens radiográficas da mão, a parte inferior dessas imagens é pouco sensibilizada, enquanto a parte superior é sensibilizada em excesso. Essa variação de intensidade não homogênea é facilmente corrigida pelos sistemas de percepção da visão humana, mas dificulta o uso de técnicas de processamento automáticas, pela grande diferença de intensidade em toda imagem (OLIVETE JR, 2005a).Tal fenômeno pode ser observado na Figura 9.
Figura 9 - Radiografia carpal ilustrando o efeito Heel. Fonte: Tavano (2001).
3.1 - O pré -processamento como ferramenta para gerar informação
Nas diversas aplicações que utilizam imagens de raios X, alguns dos problemas encontrados são a presença de regiões que não correspondem à região de interesse e o efeito Heel. Detalhes na visualização da imagem são de grande importância em sistemas médicos, principalmente em algumas imagens de raios X, em que é possível observar pequenas estruturas ósseas que, muitas vezes, são suprimidas por problemas relacionados ao efeito Heel, acarretando diagnósticos imprecisos ou, mesmo, o não diagnóstico de problemas. Amenizar ou eliminar tais problemas, garantindo uma melhor qualidade dessas imagens, é a função das várias investigações de pré-processamento.
A uniformização de contraste apresenta-se como ferramenta de preparação dessas imagens para extração de informações como, por exemplo, a segmentação de estruturas anatômicas para auxiliar o diagnóstico computadorizado, tal como instrumentação para diagnóstico. A resolução de problemas como estes passa, sem dúvida, pelo caminho do pré-processamento. Raymundo et al.(2007), desenvolveu dois estudos que foram aplicados às imagens utilizadas nesse trabalho, descritos nas seções seguintes, baseados em duas técnicas que, certamente, agregam grandes contribuições neste sentido.
3.1.1 - Metodologia adaptativa de processamento de imagem radiográfica carpal com realce de bordas.
A metodologia adaptada por Raymundo et al. (2007), propõe-se a apresentar uma solução para o processamento de imagens radiográficas através do uso de um algoritmo, dividido em três etapas principais:
A primeira etapa consiste na seleção automática da região que melhor enquadra toda a estrutura óssea presente na imagem.
A segunda realiza a transformação de contraste com o objetivo de eliminar estruturas que correspondem a tecido não ósseo.
Por último, é realizado o realce de bordas para evidenciar os contornos das falanges.
A Figura 10 ilustra o fluxograma do procedimento adotado neste trabalho, de forma mais detalhada.
Figura 10 - Fluxograma da metodologia aplicada. Fonte: Raymundo et al. (2007). Primeira etapa Leitura de imagem de entrada. Detecção da região de interesse. Cálculo das estatísticas da imagem. Determinação da curva de transformação Interpolação bilinear
da imagem de borda Detecção das bordas em baixa resolução Decomposição com pirâmides gaussianas
Realce das bordas
da imagem
transformada
Terceira etapa
